机器人足球比赛是一项非常复杂的高技术对抗活动，其中视觉系统作为整个系统获取信息的唯一通道，是系统决策及控制的基础。 本文基于ROBOCUP小型组系列的机器人足球系统，对于视觉系统作了较深入的研究，提出了可以快速、准确地识别小球和机器人小车的算法。 我们通过对目前图像处理方法中图像分割和识别的研究，同时针对机器人足球系统的实际，根据机器人足球系统中视觉部分的特点，在研究前人技术基础上，提出了相应的改进方法，本篇论文主要完成了以下一些工作。 首先，通过大量阅读中外文参考文献，对已有的图像分割、特征提取、目标识别和机器人足球系统中的视觉识别方法进行了较为全面和系统的了解。 其次，在足球机器人视觉系统中，颜色信息是最主要的识别分割依据。根据机器人足球系统中视觉系统的实际情况，分析对比了不同颜色空间的特点，决定采用更接近人眼对颜色的感知的YUV颜色空间作为视觉系统的工作空间，利用YUV空间UV分量与光照无关的特点，减弱光照变化对视觉系统中识别过程带来的影响。并在此基础上，针对机器人足球系统中对视觉系统实时性、准确性要求较高的特点，利用BP人工神经网络进行图像颜色分割，一次计算就可以判断其颜色类别，而且能够提高分类的准确性。 我们研究工作的重点是，通过对已有的机器人足球系统中视觉系统的识别算法以及图像处理中目标分割和识别的研究，分析了一些不足以及可以改进的方法，提出了比赛开始时，使用基于网格种子点的二分法目标搜索法，而在比赛运行过程中，使用基于预先判断的扇形网格种子点的二分法的目标搜索方法，并且在小车区域确定后，提出根据小车顶部色标位置和颜色特点，准确识别小车队别和队员编号及朝向的一种识别方法。实际应用表明该方法能够比较准确地识别目标。 最后，在图像上识别出目标的位置后，为了给决策模块发送实际场地的位置信息，并且为了解决实时性的要求高的特点，提出，对图像不做识别前的预处理，而把几何变换放到识别出目标以后来完成，以减少计算量。